Analiza nawożenia mineralnego jako czynnik minimalizacji zmienności plonów

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS

Folia Pomer. Univ. Technol. Stetin. 2011, Oeconomica 285 (62), 51–72

Zbigniew Mongiało, Michał Świtłyk

1

ANALIZA NAWOŻENIA MINERALNEGO JAKO CZYNNIK

MINIMALIZACJI ZMIENNOŚCI PLONÓW

ANALYSIS OF MINERAL FERTILIZATION AS A FACTOR

IN MINIMIZING YIELD VARIABILITY

Zakład Analizy Systemowej, Zachodniopomorski Uniwersytet Technologiczny w Szczecinie ul. Klemensa Janickiego 31, 71-270 Szczecin, e-mail: Zbigniew.Mongialo@zut.edu.pl

1

Katedra Zarządzania Przedsiębiorstwami, Zachodniopomorski Uniwersytet Technologiczny w Szczecinie ul. Klemensa Janickiego 31, 71-270 Szczecin, e-mail: Michal.Switlyk@zut.edu.pl

Summary. The study, based on Central Statistical Office of Poland (GUS) data for the period 1998–2005, analyzed the relationship between variability of fertilization and crop variability: ce-reals, potatoes, sugar beet, oilseed rape, hay, number of tractors per 100 hectares of agricul-tural land, the value of crop production by years and provinces. The macro-scale analysis with difficulty shows the influence of fertilization on reducing the volatility of yields.

Słowa kluczowe: analiza w mikroskali, zmienność nawożenia mineralnego, zmienność plonów. Key words: crop variability, macro-scale analysis, variability of fertilization.

WSTĘP

Proces produkcji rolniczej, zwłaszcza roślinnej, jest obarczony dużą niepewnością uzy-skania zaplanowanej wielkości plonu i jego jakości. Nawożenie mineralne jest zaliczane do czynników produkcji zmniejszających tę niepewność (Gołębiowski i Świtłyk 1990, 1991, 1992 a, b). Rolnik zdając sobie sprawę ze znaczenia tego czynnika produkcji, z wielu wzglę-dów (przede wszystkim ekonomicznych) jednak często nie stosuje go w sposób właściwy.

W pracy przeprowadzono analizę nawożenia w poszczególnych województwach w celu wykazania, że wypadkowa wielkości i zmienności nawożenia ma związek z niepewnością plonowania.

MATERIAŁ I METODY

Dane do analizy zebrano z Roczników Statystycznych Województw z lat 1998–2005. Da-ne te obejmowały: średni plon zbóż, średni plon ziemniaków, średni plon buraków cukrowych, średni plon rzepaku, średni plon siana, liczbę ciągników przypadających na 100 ha po-wierzchni użytków rolnych, wartość skupu produkcji roślinnej. Średnie dotyczyły poszcze-gólnych województw, natomiast powtórzenia – kolejnych lat analizy (16 województw po-mnożonych przez 8 lat daje 128 danych dla każdej cechy).

Analizie poddano skalę zmienności badanych cech i związki zachodzące między nimi. Obliczano parametry charakteryzujące rozkład badanych cech (średnie, odchylenia standar-dowe, współczynniki zmienności), miary współzależności badanych cech (korelację, korelację rangową, regresję dla dwu i wielu zmiennych), analizę wariancji (w tym nieparametryczną) – jedno- i dwuczynnikową (w celu wykazania zróżnicowania badanych cech w poszczególnych

województwach i latach) oraz analizę skupień (w celu wyłonienia grup cech, jak i grup wo-jewództw jednorodnych). We wszystkich testach istotności, zastosowanych w tej pracy, dopuszczalny błąd I rodzaju wynosił 0,05.

WYNIKI

Analizę nawożenia rozpoczęto od badania zróżnicowania poziomu nawożenia w poszcze-gólnych województwach. Test Bertleta wykazał brak jednorodności wariancji nawożenia. Dlate-go w przypadku tej cechy przeprowadzono test Kruskala-Wallisa (



2 = 81, przy 15 stopniach swobody), która potwierdziła istotność różnic w nawożeniu.

Porównując średnie nawożenie na hektar i średnie plony w poszczególnych wojewódz-twach (rys. 1), można zauważyć, że w województwie opolskim średnie nawożenie było naj-wyższe; dotyczyło to też plonów z hektara. W województwie dolnośląskim średniej wielkości nawożenie zbliżone jest do średniej ogólnopolskiej, a średnie plony zbóż należą do naj-większych w Polsce; natomiast w województwach kujawsko-pomorskim i pomorskim jest odwrotnie. W województwie podkarpackim – pomimo najniższego nawożenia – średnie plo-ny nie są najmniejsze, natomiast w województwie świętokrzyskim, w którym poziom nawo-żenia należy do najniższych, plony zbóż należą do najmniejszych.

Rozkład średnich wielkości plonów ziemniaka z wielolecia w układzie województw (rys. 2) jest zbliżony do rozkładu plonów zbóż, jednak dla tej cechy największe wartości odnotowano w województwach zachodniopomorskim, dolnośląskim i opolskim, a najmniejsze – w woje-wództwach świętokrzyskim i małopolskim. Województwa charakteryzujące się średnio najniż-szym nawożeniem cechowały się najmniejnajniż-szymi średnimi plonami w wieloleciu. W wojewódz-twach, w których odnotowano największe średnie w wieloleciu plony ziemniaka, średnie na-wożenie było najwyższe w województwie opolskim; w województwie zachodniopomorskim nawożenie mineralne było wyższe od średniej krajowej, a w województwie dolnośląskim niż-sze od średniej krajowej.

Średnie wieloletnie plonów buraka cukrowego w poszczególnych województwach nie różniły się w sposób statystycznie istotny, dlatego na tym etapie rozważań nie odnoszono ich zmienności do zmienności nawożenia. Analizując średnie wieloletnie plony rzepaku (rys. 2), stwierdzono, że województwa opolskie i kujawsko-pomorskie, które charakteryzowały się najwyższymi średnimi wieloletnimi poziomu nawożenia mineralnego, charakteryzowały się też największymi średnimi wieloletnimi plonami rzepaku. W województwie podkarpackim, które charakteryzowało się najniższym średnim wieloletnim poziomem nawożenia, średnie plony rzepaku należały do najmniejszych. W większości województw wielkość ponów siana była podobna (rys. 3), jedynie w województwach dolnośląskim, lubuskim i zachodniopomorskim plony siana były bardzo małe. Należy zauważyć, że województwach dolnośląskim, lubuskim i zachodniopomorskim wraz z pomorskim i warmińsko-mazurskim odnotowano także najmniej ciągników na 100 ha powierzchni użytków rolnych (rys. 3), a województwach małopolskim, podkarpackim i świętokrzyskim – najwięcej. Największą średnią wartością skupu produkcji roślinnej w wieloleciu (rys. 4) charakteryzowały się województwa: opolskie, dolnośląskie i ku-jawsko-pomorskie (te, w których odnotowano największe plony): a najmniejszą – wojewódz-twa podlaskie, podkarpackie oraz małopolskie i śląskie (przy najniższym nawożeniu).

Analiza nawożenia mineralnego jako czynnik... 53

F(15 , 1 12) = 5 1,25 5, p = 0,0000 Pionowe słupki oznaczają 0,95 przedziały uf ności

D o ln o ś lą s k ie K u ja w sk o -p o m or s k ie L u b e ls k ie L u b u s k ie Ł ó d z k ie M a ło p o ls k ie M a z o w ie c k ie O p o ls k ie P o d k a rp a c k ie P o d la s k ie P o m o rs k ie Ś lą s k ie Ś w ię to k rz y s k ie W a rm iń s k o -m a z u rs k ie W ie lk o p o ls k ie Z a c h o d n io p o m o rs k ie 40 50 60 70 80 90 100 110 120 130 140 150 N a w o ż e n ie [ k g h a 1] F(15, 112 ) = 19,669, p = 0,0000

Pionowe słupki oznaczają 0,95 przedziały ufności

D o ln o ś lą s k ie K u ja w s k o -p o m o rs k ie L u b e ls k ie L u b u s k ie Ł ó d z k ie M a ło p o ls k ie M a z o w ie c ki e O p o ls k ie P o d k a rp a c k ie P o d la s k ie P o m o rs k ie Ś lą s k ie Ś w ię to k rz y s k ie W a rm iń s k o -m a zu rs k ie W ie lk o p o ls k ie Z a ch o d n io p o m o rs k ie 15 20 25 30 35 40 45 50 P ro d u k c ja z b ó ż [ q h a  1]

Rys. 1. Jednoczynnikowa analiza wariancji wielkości nawożenia (test Bertleta wykazał brak jedno-rodności wariancji) oraz plonów zbóż (poziomy czynnika – województwa, powtórzenia – lata)

Współczynnik ufności – 95 Współczynnik ufności – 95 D o ln o ś lą s k ie Ku ja w s k o -p o m o rs k ie L u b e ls k ie L u b u s k ie Ł ó d z k ie M a ło p o ls k ie M a z o w ie c k ie O p o ls k ie Po d k a rp a c k ie P o d la s k ie Po m o rs k ie Śl ą s k ie Św ię to k rz y s k ie W a rm iń s k o -m a z u rs k ie W ie lk o p o ls k ie Z a c h o d n io p o m o rs k ie D o ln o ś lą s k ie Ku ja w s k o -p o m o rs k ie L u b e ls k ie L u b u s k ie Ł ó d z k ie M a ło p o ls k ie M a z o w ie c k ie O p o ls k ie Po d k a rp a c k ie P o d la s k ie Po m o rs k ie Śl ą s k ie Św ię to k rz y s k ie W a rm iń s k o -m a z u rs k ie W ie lk o p o ls k ie Z a c h o d n io p o m o rs k ie

54 Z. Mongiało i M. Świtłyk

F(15, 112) = 4,3442, p = 0,0 00 00 Pionowe sł up ki oznaczają 0,95 przedzia ły uf no śc i

D o ln o ś lą s k ie K u ja w s k o -p o m o rs k ie L u b e ls k ie L u b u s k ie Ł ó d z k ie M a ło p o ls k ie M a z o w ie c k ie O p o ls k ie P o d k a rp a c k ie P o d la s k ie P o m o rs k ie Ś lą s k ie Ś w ię to k rz y s k ie W a rm iń s k o -m a z ur s k ie W ie lk o p o ls k ie Z a c h o d n io p o m o rs k ie 140 150 160 170 180 190 200 210 220 230 P ro d u k c ja z ie m n ia k a [ q h a 1] F(15, 112) = 2,0236, p = 0,01938

Pionowe słupki oznaczają 0,95 przedziały uf ności

D o ln o ś lą s k ie K u ja w s k o -p o m o rs k ie L u b e ls k ie L u b u s k ie Ł ó d z k ie M a ło p o ls k ie M a z o w ie c k ie O p o ls k ie P o d k a rp a c k ie P o d la s k ie P o m o rs k ie Ś lą s k ie Ś w ię to k rz y s k ie W a rm iń s k o -m a z u rs k ie W ie lk o p o ls k ie Z a c h o d n io p o m o rs k ie 14 16 18 20 22 24 26 28 30 32 P ro d u k c ja r z e p a k u [ q . ha 1 ]

Rys. 2. Jednoczynnikowa analiza wariancji plonów ziemniaków oraz plonów rzepaku (poziomy czyn-nika – województwa, powtórzenia – lata)

Współczynnik ufności – 95 Współczynnik ufności – 95 D o ln o ś lą s k ie Ku ja w s k o -p o m o rs k ie L u b e ls k ie L u b u s k ie Ł ó d z k ie M a ło p o ls k ie M a z o w ie c k ie O p o ls k ie Po d k a rp a c k ie P o d la s k ie Po m o rs k ie Śl ą s k ie Św ię to k rz y s k ie W a rm iń s k o -m a z u rs k ie W ie lk o p o ls k ie Z a c h o d n io p o m o rs k ie D o ln o ś lą s k ie Ku ja w s k o -p o m o rs k ie L u b e ls k ie L u b u s k ie Ł ó d z k ie M a ło p o ls k ie M a z o w ie c k ie O p o ls k ie Po d k a rp a c k ie P o d la s k ie Po m o rs k ie Śl ą s k ie Św ię to k rz y s k ie W a rm iń s k o -m a z u rs k ie W ie lk o p o ls k ie Z a c h o d n io p o m o rs k ie

Analiza nawożenia mineralnego jako czynnik... 55

F(1 5 , 1 1 2 ) = 2 1 ,28 0 , p = 0 ,0 0 0 0

Pi o n owe sł u pki oz n ac za j ą 0 , 9 5 p r zed zi a ł y u fn ości

D o ln o ś lą s k ie Ku ja w s k o -p o m o rs k ie L u b e ls ki e L u b u s k ie Ł ó d z k ie M a ło p o ls k ie M a z o w ie c k ie O p o ls k ie Po d k a rp a c k ie Po d la s k ie Po m o rs k ie Śl ą s k ie Św ię to k rz y s k ie W a rm iń s k o -m a z u rs k ie W ie lk o p o ls k ie Z a c h o d n io p o m o rs k ie 15 20 25 30 35 40 45 50 55 60 Pro d u k c ja .s ia n a [ q h a  1] F(15, 96) = 58,525, p = 0,00 00 Pionowe słupki oznaczają 0,95 przedziały uf ności

D o ln o ś lą s k ie K u ja w s k o -p o m o rs k ie L u b e ls k ie L u b u s k ie Ł ó d z ki e M a ło p o ls k ie M a z o w ie c k ie O p o ls k ie P o d k a rp a c k ie P o d la s k ie P o m o rs k ie Ś lą s k ie Ś w ię to k rz y s k ie W a rm iń s k o -m az ur s k ie W ie lk o p o ls k ie Z a c h o d n io p o m o rs k ie 0 2 4 6 8 10 12 14 16 C ią g n ik i [s z tu k i n a 1 0 0 h a ]

Rys. 3. Jednoczynnikowa analiza wariancji plonów siana oraz liczby ciągników na 100 ha. Test Bert-leta wykazał brak jednorodności wariancji, a Test Kruskala-Wallisa (2 = 97, przy 15 stop-niach swobody) potwierdził istotność różnic (poziomy czynnika – województwa, powtórzenia – lata) Współczynnik ufności – 95 Współczynnik ufności – 95 Pro d u k c ja s ia n a [ q h a – 1 ] D o ln o ś lą s k ie Ku ja w s k o -p o m o rs k ie L u b e ls k ie L u b u s k ie Ł ó d z k ie M a ło p o ls k ie M a z o w ie c k ie O p o ls k ie Po d k a rp a c k ie P o d la s k ie Po m o rs k ie Śl ą s k ie Św ię to k rz y s k ie W a rm iń s k o -m a z u rs k ie W ie lk o p o ls k ie Z a c h o d n io p o m o rs k ie D o ln o ś lą s k ie Ku ja w s k o -p o m o rs k ie L u b e ls k ie L u b u s k ie Ł ó d z k ie M a ło p o ls k ie M a z o w ie c k ie O p o ls k ie Po d k a rp a c k ie P o d la s k ie Po m o rs k ie Śl ą s k ie Św ię to k rz y s k ie W a rm iń s k o -m a z u rs k ie W ie lk o p o ls k ie Z a c h o d n io p o m o rs k ie

F(15, 96) = 32,9 26, p = 0 ,0000 Pionowe słupki oznaczają 0,95 przedziały uf ności

D o ln o ś lą s k ie K u ja w s k o -p o m o rs k ie L u b e ls k ie L u b u s k ie Ł ó d z k ie M a ło p o ls k ie M a z o w ie c k ie O p o ls k ie P o d k a rp a c k ie P o d la s k ie P o m o rs k ie Ś lą s k ie Ś w ię to k rz y s k ie W a rm iń s k o -m a z u rs k ie W ie lk o p o ls k ie Z a c h o d n io po m o rs k ie -100 0 100 200 300 400 500 600 700 800 900 1000 S k u p p ro d u k c ji ro ś lin n e j [m ln z ł]

Rys. 4. Jednoczynnikowa analiza wariancji wartości skupu produkcji roślinnej. Test Bertleta wykazał brak jednorodności wariancji, a test Kruskala-Wallisa” (2 = 81, przy 15 stopniach swobody) po-twierdził istotność różnic (poziomy czynnika – województwa, powtórzenia – lata)

Tabela 1. Macierz istotnych współczynników korelacji (porządku rang Spearmana) dla badanych cech (średnia z wielolecia)

Wyszczególnienie Ś1 Ś2 Ś5 Ś7 Ś8

Nawożenie (Ś1) 0,71 0,97 0,88

Plon zbóż (Ś2) 0,71 0,71

Plon rzepaku (Ś5) 0,71

Ciągniki (Ś7) 0,97 0,85

Skup produkcji roślinnej (Ś8) 0,88 0,85

Średnie wieloletnie wartości plonów buraka cukrowego w poszczególnych wojewódz-twach nie różniły się w sposób statystycznie istotny, dlatego na tym etapie rozważań nie odnoszono ich zmienności do zmienności poziomu nawożenia. W województwach opolskim i kujawsko-pomorskim, które charakteryzowały się najwyższymi średnimi wieloletnimi po-ziomami nawożenia mineralnego, odnotowano największe średnie wieloletnie plony rzepa-ku (rys. 2). W województwie podkarpackim, które charakteryzuje się najniższym średnim wieloletnim poziomem nawożenia, średnie plony rzepaku ukształtowały się na jednym z naj-niższych poziomów. Większość województw charakteryzowała się zbliżoną wielkością plo-nów siana (rys. 3), jedynie województwach dolnośląskim, lubuskim i zachodniopomorskim odnotowano małe plony siana. Należy także zauważyć, że województwach dolnośląskim, lubuskim i zachodniopomorskim wraz z pomorskim i warmińsko-mazurskim odnotowano

Analiza nawożenia mineralnego jako czynnik... 57 mniej ciągników na 100 ha powierzchni użytków rolnych (rys. 3), a w województwach małopol-skim, podkarpackim i świętokrzyskim – najwięcej. Największym średnim skupem produkcji ro-ślinnej w wieloleciu (rys. 4) charakteryzowały się województwa: opolskie, dolnośląskie i kujaw-sko-pomorskie (te, w których odnotowano największe plony): a najmniejszym – województwa podlaskie, podkarpackie oraz małopolskie i śląskie (przy najniższym nawożeniu).

Z danych zamieszczonych w tab. 1 można wnioskować, że:

1. im większe średnie nawożenie, tym większy średni plon zbóż oraz większy średni skup produkcji roślinnej;

2. im większa średnia ilość ciągników na 100 ha powierzchni użytków rolnych, to tym większe średnie nawożenie na ha;

im większy średni plon zbóż, tym większy średni plon rzepaku.

Tabela 2. Macierz istotnych współczynników korelacji (porządku rang Spearmana) dla badanych cech (odchylenia standardowe z wielolecia)

Wyszczególnienie O2 O3 O6 O7 O8

Plon zbóż (O2) 0,74

Plon ziemniaków (O3) 0,79

Plon siana (O6) 0,79

Ciągniki (O7) 0,84

Skup produkcji roślinnej (O8) 0,73 0,84

Z danych zamieszczonych w tab. 2 wynika, że im większy jest rozrzut w:

– plonach zbóż (mierzony odchyleniem standardowym), tym większy jest rozrzut w war-tościach skupu produkcji roślinnej;

– plonach siana z 1 ha, tym większy jest rozrzut w plonach ziemniaka;

– liczbie ciągników na 100 ha powierzchni użytków rolnych, tym większy jest rozrzut w wartościach skupu produkcji roślinnej.

Z analizy wyników zamieszczonych w tab. 3 można wywnioskować, iż:

– im większy jest rozrzut w liczbie ciągników na 100 ha użytków rolnych, tym wyższe jest średnie nawożenie na 1 ha i większa wartość skupu produkcji roślinnej;

– im wyższe jest średnie nawożenie na 1 ha, tym większy jest rozrzut średnich wartości skupu produktów roślinnych.

Tabela 3. Istotne współczynniki korelacji (porządku rang Spearmana) między średnimi a odchyle-niami standardowymi dla badanych cech

Wyszczególnienie O5 O7 O8

Ś1 0,90 0,88

Ś5 0,81

Ś7 0,93 0,84

Nawożenie na 1 ha w poszczególnych latach było statystycznie niezróżnicowane. Plon zbóż w poszczególnych latach (rys. 5) był statystycznie zróżnicowany; najmniejszy odnoto-wano w 2000 roku, a największy – w 2004 r. Plon ziemniaków w poszczególnych latach również był statystycznie zróżnicowany (rys. 5). W plonach ziemniaka można zauważyć malejące naprzemiennie spadki i wzrosty, z tym że spadki są coraz mniejsze, natomiast wzrosty w przybliżeniu osiągają podobny poziom.

F(7, 120 ) = 4,128 0, p = ,00042

P i onowe sł u pki ozna cza j ą 0,95 przed zi ał y ufności

1998 19 99 20 00 20 01 20 02 20 0 3 2 004 2005 Rok 20 22 24 26 28 30 32 34 36 38 40 P ro d u k c ja z b ó ż [ q h a -1 ] F(7, 120) = 12,20 5, p = 0,00000 Pio nowe słupki oznac zają 0,95 p rzedział y uf ności

199 8 1999 2000 2001 20 02 2003 200 4 2005 Ro k 140 150 160 170 180 190 200 210 220 P ro d u k c ja z ie m n ia k a [ q h a -1 ]

Rys. 5. Jednoczynnikowa analiza wariancji plonów zbóż oraz plonów ziemniaka z 1 ha (poziomy czynnika – lata, powtórzenia – województwa)

Współczynnik ufności – 95 Współczynnik ufności – 95

Rok Rok

Analiza nawożenia mineralnego jako czynnik... 59 Plony buraka cukrowego (rys. 6) były statystycznie zróżnicowane w poszczególnych la-tach – najmniejszy plon odnotowano w 2001 r. (ok. 340 qha–1), a największy w 2002 r. (440 qha–1). Do roku 2001 plony te oscylowały wokół 360 qha–1, a od 2002 roku – wokół 420 qha–1. Plony rzepaku z 1 ha w poszczególnych latach (rys. 6) były statystycznie zróżnico-wane – najmniejsze odnotowano w 2003 r. (19 qha–1), a największe w 2004 r. (30 qha–1); do 2003 roku plony te nie przekraczały 23 qha–1, a po tym roku były większe od 25 qha–1.

F(7, 120) = 10,895, p = 0,00000 Pionowe słupki oznaczają 0,95 przedziały ufności

1998 1999 2000 2001 2002 2003 2004 2005 Rok 280 300 320 340 360 380 400 420 440 460 480 500 P ro d u k c ja b u ra k ó w [ q h a -1] F( 7, 1 20) = 14 ,2 1 5, p = 0,0000 0 Współczy nnik uf ności  95

1998 1 999 2 000 2 001 20 02 20 03 2 004 200 5 Rok 14 16 18 20 22 24 26 28 30 32 34 P ro d u k c ja r z e p a k u [ q h a -1 ]

Rys. 6.Jednoczynnikowa analiza wariancji plonów buraka cukrowego z ha oraz plonów rzepaku z 1 ha. Test Bertleta wykazał brak jednorodności wariancji, a Test Kruskala-Wallisa (2 = 35, przy 7 stop-niach swobody) potwierdził istotność różnic (poziomy czynnika– lata, powtórzenia – województwa)

Współczynnik ufności – 95

Zróżnicowanie plonów siana z 1 ha było także statystycznie istotne (rys. 7). Plon siana wykazuje tendencję spadkową. Natomiast zróżnicowanie liczby ciągników na 100 ha użyt-ków rolnych i wartość skupu produktów roślinnych w poszczególnych latach były staty-stycznie nieistotne.

F(7, 120 ) = 3,6205, p = 0,00142 Pi on owe sł up ki ozn ac za ją 0, 95 przedzia ły u f no śc i

1998 1999 2000 2001 2002 2003 2004 2005 Rok 25 30 35 40 45 50 55 60 P ro d u k c ja s ia n a [ q h a 1]

Rys. 7. Jednoczynnikowa analiza wariancji plonu siana z 1 ha (poziomy czynnika– lata, powtórzenia – województwa)

Analiza zależności nawożenia z pozostałymi cechami (tab. 4) wykazała, że najczęściej poziom nawożenia był istotnie skorelowany z wartością skupu produkcji roślinnej, a następ-nie z wielkością plonu zbóż i ziemniaków; następ-nie odnotowano korelacji z wielkością plonu w przypadku buraków cukrowych i siana.

Tabela 4. Istotne korelacje pomiędzy nawożeniem na 1 ha a wybranymi cechami w poszczególnych latach

Rok Plon zbóż Plon ziemniaków Plon rzepaku Wartość skupu

1998 tak tak tak tak

1999 tak

2000 tak tak

2001 tak tak

2002 tak tak tak

2003 tak tak

2004 tak tak tak tak

2005 tak tak

Analiza nawożenia mineralnego jako czynnik... 61 Porównując zmienność badanych cech, wyrażoną w postaci współczynników zmiennoś-ci (tab. 5), należy zauważyć, że uzyskane przedziały zmiennośzmiennoś-ci w poszczególnych latach, w których powtórzeniami były średnie z województw, miały przeważnie wartości mniejsze niż w przypadku województw, w których powtórzeniami były lata. Jednak rozpiętość tych przedziałów w poszczególnych latach była większa. Najmniejszą zmiennością charaktery-zował się plon ziemniaka z 1 ha, a największą – wartość skupu produkcji roślinnej.

Tabela 5. Zakresy wartości współczynników zmienności badanych cech w poszczególnych latach oraz województwach [%]

Współczynniki zmienności Cechy

dla lat dla województw ogólne

Nawożenie na 1 ha 3–21 20–27 25 Plon zbóż z 1 ha 7–18 15–24 20 Plon ziemniaków z 1 ha 7–16 8–13 12 Plon buraków z 1 ha 7–20 7–17 14 Plon rzepaku z 1 ha 12–25 10–18 20 Plon siana z 1 ha 10–20 17–24 23 Ciągniki na 100 ha 1–16 33–43 38

Skup produkcji roślinnej 13–38 51–63 58

Analizując zależności między badanymi cechami w przypadku średnich z województw, udowodniono istotne zależności liniowe między wysokością nawożenia na 1 ha a:

– plonem zbóż (rys. 8); – plonem ziemniaka (rys. 8);

– wartością skupu produkcji roślinnej (rys. 9). Wszystkie te zależności miały charakter rosnący.

Zbadano również, jak kształtują się wzajemne związki między średnimi (dla woje-wództw) wartościami badanych cech. Zależności te okazały się statystycznie istotne nie dla wszystkich badanych cech. Ustalono, że jedynie istnieje korelacja (dodatnia) między wiel-kością plonu rzepaku a wartością skupu produkcji roślinnej (rys. 9). Dodatkowo stwierdzo-no, iż im większa jest wartość skupu produkcji roślinnej w danym województwie, tym więk-sza jest także zmienność wartości skupu w poszczególnych latach (rys. 10).

W województwach, w których odnotowano większą średnią liczbę ciągników przypada-jących na 100 ha, uzyskiwano mniejszy średni plon ziemniaka (rys. 9), niższy średni poziom nawożenia na 1 ha (rys. 10), a także mniejszą zmienność w plonach zbóż, mierzoną odchy-leniem standardowym (rys. 12) i współczynnikiem zmienności (rys. 13). W województwach tych uzyskiwano większy plon siana (rys. 11) i większą zmienność tego plonu (rys. 12).

62 Z. Mongiało i M. Świtłyk

50 6 0 70 80 90 1 00 110 120 130 140

Nawo żeni e [ kg ha-1_] 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0 6,5 P ro d u k c ja z b ó ż [ q h a  1 ] y = 0,957 + 0,26 x; r = 0,48 2; p = 0 ,0502 50 60 70 80 90 100 110 120 130 140 Nawożenie [kgha1] 12 14 16 18 20 22 24 26 28 30 P ro d u k c ja z ie m n ia k a [ q h a  1] y = 8,948 + 0,111x; r = 0,541; p = 0,03

Rys. 8. Zależność między nawożeniem a plonem zbóż oraz plonem ziemniaka (średnie z województw) Nawożenie [kgha–1]

Analiza nawożenia mineralnego jako czynnik... 63 50 60 70 80 90 100 110 120 130 140 Nawożenie [kgha1_] 100 200 300 400 500 600 700 800 900 S k u p p ro d u k c ji ro ś lin n e j [m ln z ł] y = 268,3 + 7,5x; r = 0,714; p = 0,00 18 19 20 21 22 23 24 25 26 27

Produkcja rzepaku [qha1_] 100 200 300 400 500 600 700 800 900 S k u p p ro d u k c ji ro ś lin n e j [m ln z ł] y = 965 + 60,7x; r = 0,556; p = 0,03

Rys. 9. Zależność między poziomem nawożenia oraz wielkością plonów rzepaku z 1 ha a wartością skupu produkcji roślinnej (średnie z województw)

Nawożenie [kgha–1]

64 Z. Mongiało i M. Świtłyk

100 200 300 400 500 600 700 800 900

Średni skup produkcji roślinnej [mln zł] 0 20 40 60 80 100 120 140 160 180 200 O d c h y le n ia s ta n d a rd o w e d la s k u p u p ro d u k c ji ro ś lin n e j [m ln z ł] y = 21 + 0,178x; r = 0,859; p = 0,00 2 4 6 8 10 12 14

Ciągniki [sztuki na 100 ha] 160 165 170 175 180 185 190 195 200 205 210 P ro d u k c ja z ie m n ia k a [ q h a  1 ] y = 217,2  3,7x; r = 0,76; p = 0,00

Rys. 10. Zależność między średnią wartością skupu produkcji roślinnej a odchyleniem standardowym dla wartości skupu produkcji roślinnej (średnie i odchylenia standardowe z województw) oraz zależność między liczbą ciągników na 100 ha a wielkością plonów ziemniaka z 1 ha (średnie z województw)

Liczba ciągników na 100 ha Średni skup produkcji roślinnej [mln zł]

Analiza nawożenia mineralnego jako czynnik... 65

2 4 6 8 10 12 14

Ci ągni ki [sztu ki na 10 0 ha] 20 25 30 35 40 45 50 55 P ro d u k c ja s ia n a [ q . h a  1 ] y = 27,2 + 1,9 x; r = 0,66; p = 0,01 2 4 6 8 10 12 14

Ciągniki [sztuki na 100 ha] 50 60 70 80 90 100 110 120 130 140 N a w o ż e n ie [k g .h a 1 ] y = 125,1 3,9x; r = 0,516; p = 0,04

Rys. 11. Zależność między liczbą ciągników na 100 ha a wielkością plonu siana i poziomem nawo-żenia (średnie z województw)

Liczba ciągników na 100 ha

66 Z. Mongiało i M. Świtłyk

2 4 6 8 10 12 14

Ciągniki [sztuki na 100 ha] 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 O d c h y le n ie s ta n d a rd o w e p ro d u k c ji z b ó ż [ q . h a  1 ] y = 5,09  0,19x; r = 0,682; p = 0,00 2 4 6 8 10 12 14

Ciągniki [sztuki na 100 ha] 3,5 4,0 4,5 5,0 5,5 6,0 6,5 7,0 O d c h y le n ie s ta n d a rd o w e p ro d u k c ji s ia n a [ q .ha 1 ] y = 3,64 + 0,19x; r = 0,567; p = 0,02

Rys. 12. Zależność między liczbą ciągników na 100 ha a wartością odchylenia standardowego dla plonu zbóż oraz wartością odchylenia standardowego dla plonu siana z 1 ha (średnie z wo-jewództw)

Liczba ciągników na 100 ha

Analiza nawożenia mineralnego jako czynnik... 67 2 4 6 8 10 12 14 Ci ągni ki 6% 8% 10% 12% 14% 16% 18% 20% P ro d u k c ja z b ó ż V [ % ] r = 0,5638; p = 0,022 9; y = 0,1553  0,0 062 *x

Rys. 13. Zależność między liczbą ciągników na 100 ha a wartością współczynnika zmienności pro-dukcji zbóż na 1 ha (średnie z województw)

Zbadano także, za pomocą analizy korelacji i regresji, jak średnia i odchylenie standar-dowe dla nawożenia na 1 ha wpływają łącznie na badane cechy (tab. 6). Statystycznie istotny związek wykazano jedynie dla takich cech, jak: plon zbóż na 1 ha, plon ziemniaków

na 1 ha, wartość skupu produkcji roślinnej, odchylenie standardowe dla plonu ziemniaka i odchylenie standardowe dla wartości skupu produkcji roślinnej. Generalnie zmienność

średniej i odchylenia standardowego dla nawożenia wyjaśniało zmienność tych wymienio-nych istotnie zależwymienio-nych cech jedynie najwyżej w 44%. Takich istotwymienio-nych związków nie udało się wykazać dla plonów buraków cukrowych i rzepaku.

Tabela 6. Parametry równania regresji wpływu średniej i odchylenia standardowego nawożenia na badane cechy

Cechy zależne Współczynnik _{regresji dla} nawożenia Współczynnik regresji dla odchylenia standardowego nawożenia Stała p R 2 [%] Plon zbóż na 1 ha 0,03 0,1 0,0* 0,018 35 Plon ziemniaków na 1 ha 0,112 0,385 5,4* 0,008 43

Skup produkcji roślinnej 7,48 –2,31* –247,0 0,006 44

Odchylenie standardowe

wartości skupu produkcji roślinnej 1,33 5,16 57,2 0,018 35

Odchylenie standardowe

plonu ziemniaków 0,11 0,51 4,5* 0,011 42

* parametr statystycznie nieistotny.

Liczba ciągników na 100 ha 20 18 16 14 12 10 8 6

Ostatnim etapem analiz wpływu nawożenia na badane cechy było podzielenie bada-nych cech i województw na zbiory najbardziej do siebie podobne. Cechy grupowano meto-dą Warda, stosując jako miarę bliskości cech dopełnienie do jedynki modułu współczynnika korelacji. Natomiast województwa grupowano, korzystając z metody

k

-średnich, gdzie miarą były odległości euklidesowe liczone na unormowanych cechach. Na podstawie analizy dia-gramu drzewa, uzyskanego metodą Warda (rys. 14), można wyróżnić 3 grupy cech najbar-dziej podobnych do siebie:

– liczbę ciągników na 100 ha i plon siana; – plon rzepaku i buraków cukrowych;

– plon zbóż, wartość skupu produkcji roślinnej, plon ziemniaków oraz poziom nawoże-nia na 1 ha. Di agra m drze wa M e toda Warda 1  r P earsona C ią g n ik i P ro d u k c ja s ia n a P ro d u k c ja r z e p a k u P ro d u k c ja b u ra k ó w N a w o ż e n ie P ro d u k c ja z ie m n ia k ó w S k u p p ro d u k c ji ro ś lin n e j P ro d u k c ja z b ó ż 0,0 0,5 1,0 1,5 2,0 2,5 3,0 O d le g ło ś ć w ią z a n ia

Rys. 14. Diagram drzewa z metody Warda (dane ze wszystkich województw i lat)

Za pomocą metody k-średnich uzyskano następujące grupy województw najbardziej podobnych pod względem badanych cech:

– dolnośląskie, kujawsko-pomorskie, opolskie, śląskie oraz wielkopolskie;

– lubelskie, łódzkie, małopolskie, mazowieckie, podkarpackie, podlaskie oraz święto-krzyskie;

– lubuskie, pomorskie, warmińsko-mazurskie oraz zachodniopomorskie.

Na rysunku 15 przedstawiono wpływ badanych cechy na powstanie tych grup woje-wództw:

– grupa 1 charakteryzuje się największymi wartościami badanych cech, prócz plonu siana i liczbą ciągników na 1 ha;

Diagram drzewa Metoda Warda

Analiza nawożenia mineralnego jako czynnik... 69 – grupa 2 charakteryzuje się najsłabszymi wynikami, prócz cech: produkcja rzepaku, siana oraz liczba ciągników na 100 ha.

– grupa 3 charakteryzuje się średnimi wynikami, prócz produkcji rzepaku, siana oraz liczby ciągników na 100 ha; cechy te osiągnęły najmniejsze wartości.

Wy kres średnich każdego skupienia

Skupienie 1 Skupienie 2 Skupienie 3 P ro d u k c ja z b ó ż P ro d u k c ja z ie m n ia k ó w P ro d u k c ja b u ra k ó w P ro d u k c ja r z e p a k u P ro d u k c ja s ia n a C ią g n ik i S k u p p ro d u k c ji ro ś lin n e j N a w o ż e n ie -2,5 -2,0 -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 2,0

Rys. 15. Średnie wartości badanych unormowanych cech w skupieniach uzyskanych metodą k-średnich Dodatkowo metodą Warda (rys. 16) wydzielono dwie grupy badanych cech na podsta-wie średnich z województw i z lat, z uwzględnieniem odchyleń standardowych. W przypad-ku obu czynników można wyróżnić 3 grupy cech:

1) województwa jako powtórzenia:

–odchylenie standardowe plonu buraka, odchylenie standardowe dla plonu ziemniaka, odchylenie standardowe dla nawożenia;

– średnią liczbę ciągników na 100 ha, odchylenie standardowe dla liczby ciągników na 100 ha, średnią wielkość plonu siana, odchylenie standardowe dla plonu siana;

– wielkość plonu zbóż, plonu ziemniaka, poziom nawożenia, wartość skupu produkcji roślinnej, odchylenie standardowe dla skupu produkcji roślinnej, wielkość plonu buraka, plonu ziemniaka, odchylenie standardowe dla plonu zbóż, odchylenie standardowe dla plo-nu rzepaku;

2) lata jako powtórzenia:

– odchylenie standardowe dla plonu siana, odchylenie standardowe dla plonu ziemnia-ka, średni plon siana, odchylenie standardowe dla nawożenia (poza grupą, ale najbliżej niej odchylenie standardowe dla plonu buraka);

– odchylenie standardowe plonu rzepaku, średni plon rzepaku, średni plon zbóż;

– średni poziom nawożenia na 1 ha, średnią liczbę ciągników na 100 ha, odchylenie stan-dardowe dla liczby ciągników, wartość skupu produkcji roślinnej, odchylenie stanstan-dardowe dla produkcji roślinnej, średni plon buraka, średni plon ziemniaka, odchylenie standardowe dla plo-nu zbóż.

Wykres średnich każdego skupienia

2,0 1,5 1,0 0,5 0,0 –0,5 –1,0 –1,5 –2,0 –2,5

Omawiane grupy są zróżnicowane, co oznacza, że zmienność badanych cech w po-szczególnych województwach jest inna niż w popo-szczególnych latach.

Diagram drzewa województwa Metoda Warda 1 r Pearsona P ro d u k c ja b u ra k a O P ro d u k c ja z ie m n ia k a O N a w o ż e n i O C ią g n ik i O C ią g n ik i Ś P ro d u k c ja s ia n a O P ro d u k c ja s ia n a Ś P ro d u k c ja r z e p a k u O P ro d u k c ja z b ó ż O P ro d u k c ja r z e p a k u Ś P ro d u k c ja b u ra k ó w Ś S k u p p ro d u k c ji ro ś lin n e j O S k u p p ro d u k c ji ro ś lin n e j Ś N a w o ż e n ie Ś P ro d u k c ja z ie m n ia k a Ś P ro d u k c ja z b ó ż Ś 0 1 2 3 4 5 O d le g ło ś ć w ią z a ń

Diagram drzewa w przekroju lat Metoda Warda 1 r Pearsona Pr o d u k cj a b u ra k ó w O Pr o d u k cj a s ia n a Ś Pr o d u k cj a s ia n a O Pr o d u k c ja z ie m n ia k ó w O N a w o ż e n ie O Pr o d u k c ja r z e p a k u O Pr o d u k cj a r z e p a ku Ś Pr o d u k c ja z b ó ż Ś Pr o d u k cj a b u ra k ó w Ś Pr o d u kc ja z ie m n ia k ó w Ś Pr o d u k c ja z b ó ż O Sk u p p ro d u k c ji ro ś lin n e j O Sk u p p ro d u k c ji ro ś lin n e j Ś C ią g n ik i O C ią g n ik i Ś N a w o ż e n ie Ś 0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 O d le g ło ść w ią za n ia

Rys. 16. Diagram drzewa z metody Warda: średnie (Ś) i odchylenia standardowe (O) (powtórzenia – województwa) oraz średnie (Ś) i odchylenia standardowe (O) (powtórzenia – lata)

WNIOSKI

Przeprowadzona analiza wykazała, że istnieją związki między poziomem nawożenia i jego zmiennością a niektórymi badanymi cechami. Związki te były trudne do zbadania ze

N a w o ż e n ie O Sk u p p ro d u k c ji ro ś lin n e j Ś

Diagram drzewa województwa Metoda Warda

1 – r Persona

Diagram drzewa dla lat Metoda Warda

Analiza nawożenia mineralnego jako czynnik... 71 względu na zmienność warunków pogodowych, jakość gleb oraz różnice technologii w sto-sowanych procesach produkcji. Najbardziej wyraźne były zależności między poziomem nawożenia i wielkością plonu. Trudniej było uchwycić wpływ nawożenia na zmniejszenie zmienności plonowania. Gdyby w sprawozdaniach GUS-u do średnich z województw dołą-czano odchylenia standardowe, wpływ zmienności nawożenia na badane cechy w skali makro byłby bardziej mierzalny.

PIŚMIENNICTWO

Gołębiowski B., Świtłyk M. 1990. Nawożenie mineralne i jego efektywność w gospodarstwach pań-stwowych województwa szczecińskiego (1983–1987).Zesz. Nauk. AR Szczec. 142 (28), 53–64. Gołębiowski B., Świtłyk M. 1991. Produktywność nawożenia w PGR woj. szczecińskiego (1983–1989).

Szczecin, AR (opracowanie tematyczne).

Gołębiowski B., Świtłyk M. 1992 a. Efektywność ekonomiczna nawożenia w Polsce. Zesz. Nauk. AR Szczec. 154 (30), 59–69.

Gołębiowski B., Świtłyk M. 1992 b. Nawożenie i jego efektywność. Zesz. Nauk. AR Szczec. 154 (30), 45–58.